Anda di halaman 1dari 7

Metode Response Surface Berbasis Model dan Optimasi Adsorpsi

Cu(II) Menggunakan Stem of Midrib Areca Palm yang diaktivasi


KOH
B.P. Putra, A. Muslim, Marwan

Abstrak – Tanaman Pinang (Areca catechu L.) adalah salah satu dari banyak tanaman yang
mengandung bahan baku untuk pembuatan arang aktif. Salah satu biomassa yang dapat
digunakan dari limbah tanaman pinang (Areca catechu L.) yaitu Stem Midrib Areca Palm
(SMAP). SMAP dibuat menjadi karbon aktif dengan aktivasi menggunakan variasi konsentrasi
KOH sebagai aktivator. Metode Box Behnken menggunakan aplikasi Design Expert 11
menghasilkan 29 percobaan adsorpsi Cu (II) dengan menggunakan ACSMAP. Dari hasil
eksperimen juga ditemukan bahwa percobaan adsorpsi ini termasuk kinetika orde I dan memiliki
isoterm Freundlich. Hasil eksperimen didasarkan pada ANOVA empat variabel independen yang
diuji pada dua variabel independen, yaitu variasi konsentrasi Cu (II) (X1) dengan pH (X4)
terhadap variabel respon yaitu kapasitas adsorpsi. ANOVA juga menjelaskan bahwa persamaan
polinomial kuadrat dapat menjelaskan kecenderungan hasil dari kapasitas adsorpsi. Validasi
dilakukan dengan menggunakan variabel independen yang mirip dengan yang dirancang oleh
aplikasi Design Expert menghasilkan nilai aplikasi R2 = 0,97 dan menggunakan nilai variabel
independen secara acak mendapat nilai R2 = 0,997. Hal ini menjelaskan bahwa persamaan
dapat mewakili kondisi eksperimental. Optimasi kemudian dilakukan dengan memaksimalkan
konsentrasi Cu (II) (X1), pengaturan konsentrasi aktivasi (X2) dan Suhu (X3,) pada nilai tengah,
dan pengaturan pH (X4) dalam jangkauan dan memaksimalkan variabel respon yaitu kapasitas
adsorpsi Yk). Hasil yang diperoleh adalah kondisi optimum dengan nilai kapasitas adsorpsi
sebesar 98.376 mg / g dengan variabel bebas X 1 = 1000 mg/l; X2 = 0,5 ; X3 = 450C and X4 = 6.

Kata kunci: Adsorpsi, Stem Midrib Areca Palm, KOH, Modeling, Optimasi, Box benkhen

I. Pendahuluan adsorben yang digunakan dapat diregenerasi dan biaya


pengolahannya murah [3]. Dewasa ini ada banyak jenis
Selama bertahun-tahun permasalahan logam berat adsorben yang terbuat dari limbah biomassa [4], seperti
yang mencemari air telah menjadi persoalan besar bagi karbon aktif dari bambu [3], batok kelapa, biji angggur
kehidupan manusia dan lingkungan. Meskipun beberapa [5], dari bahan kistik alami seperti zeolit [6], bahkan
logam memiliki peran penting bagi kehidupan manusia
bagian tubuh hewan dapat dimanfaatkan sebagai
namun ketika jumlahnya telah melampaui ambang
adsorben seperti limbah rumah potong dan tulang sapi
batas, maka logam tersebut akan berbahaya. Hal Ini
sangat berbeda dengan polutan yang berasal dari bahan [7].
organik. Umumnya bahan-bahan ini dapat terdegradasi Tanaman Pinang (Areca catechu L.) adalah salah
secara biologis. Namun logam sangat sulit terurai satu dari banyak tanaman yang mengandung bahan baku
menggunakan proses biologis [1]. untuk pembuatan arang aktif. Salah satu biomassa yang
Salah satu logam yang menjadi perhatian dalam dapat digunakan adalah limbah tanaman pinang (Areca
penanganannya adalah Tembaga (Cu). Jika terlalu catechu L.), seperti buah pinang, kulit buah pinang,
banyak logam Cu terakumulasi di dalam tubuh maka pinang, pelepah dan tandan buah pinang. Produksi
dapat menyebabkan muntah, diare, kram perut dan mual
dunia tanaman pinang menurut FAO [8] adalah
[2] Menurut Standar Nasional Indonesia (2013) dalam
air minum, kandungan Cu (II) yang diperbolehkan produksi dunia sekitar 1.023.050 ton pada tahun 2010
maksimum 0,5 mg / L. Namun kenyataannya dalam air dengan pertumbuhan produksi tahunan dunia
limbah sering ditemukan kandungan timbal hingga diperkirakan mengikuti India, sekitar 5%. Saat ini
ratusan miligram per liter sehingga sangat diperlukan pemanfaatan tanaman pinang masih terfokus sebagai
penanganan untuk mengurangi ion-ion logam di dalam bahan baku obat dan bahan baku industri kimia [9].
air. Selain itu limbah dari tanaman pinang seperti kulit
Ada banyak metode pengolahan untuk mengurangi
buah, pelepah dan tandan buah hanya digunakan
limbah Cu2+, salah satunya menggunakan metode
adsorpsi dengan karbon aktif. Selain itu, metode ini sebagai bahan baku untuk kerajinan tangan. Dalam hal
diperhitungkan dalam industri mengingat bahwa ini masih terlihat potensi pemanfaatan limbah yang

Manuscript received October 2016, accepted March 2017 Copyright © 2017 Praise Worthy Prize S.r.l. - All rights reserved
cukup besar dari tanaman pinang, salah satunya dapat dan dilarutkan dengan aquades dalam labu ukur 1 L
digunakan sebagai adsorben dalam bentuk karbon aktif. sampai tanda batas. Selanjutnya, larutan standar dapat
Adsorpsi adalah salah satu metode yang diencerkan hingga konsentrasi 100, 550, 1000 mg / L.
paling umum digunakan untuk mengurangi II.3. Box-Behnken Design
logam berat yang berada dalam air limbah
Box-Behnken Design adalah desain kuadrat independen
industri. Dibandingkan dengan metode lain,
yang diputar tanpa faktor faktorial atau faktorial
metode adsorpsi lebih disukai karena
pecahan tertanam di mana kombinasi variabel berada di
kemudahan penggunaan adsorben, biaya
titik tengah tepi ruang variabel dan di pusat. Selain itu
pembuatan dan pemeliharaan rendah, dan
Box-Behnken Design memungkinkan perhitungan
dapat dioperasikan dalam kisaran fungsi respons pada tingkat menengah dan
temperatur dan tekanan atmosfir. Untuk memungkinkan estimasi sistem kinerja pada setiap titik
memudahkan penelitian, telah dikembangkan banyak tes dalam rentang yang diteliti melalui desain yang
metode statistik yang digunakan untuk memprediksi cermat dan analisis eksperimental. [12].
hasil penelitian. Salah satunya adalah Surface Response
Method (RSM) yaitu metode matematika dan statistik Metode Box-Behnken menggunakan persamaan
polinomial kuadrat, yaitu ([12]):
yang berfungsi untuk menganalisa suatu masalah
sehingga dapat menghasilkan metode solusi yang
optimal terhadap variabel pendukung [10]. Ada banyak
metode surface response, salah satunya menggunakan
Berdasarkan data percobaan menggunakan empat
metode Box-Behnken. Metode Box-Behnken banyak
variabel independen seperti variasi konsentrasi Cu (II)
digunakan karena metode ini sangat sederhana dan
konsentrasi (X1., Mg / l), variasi konsentrasi aktivator
memiliki akurasi yang cukup baik. Selain itu, juga
(X2, v), Suhu (X3, °C), dan variasi pH ( X4) dengan Yk
dibantu dengan menggunakan software Design Expert
adalah Kapasitas adsorpsi (mg / g). Variabel dependen
11.0.3 [11]. Dengan menggunakan metode penelitian ini
menggunakan 1 gram ACSMAP, volume percobaan 100
diharapkan dapat menghasilkan inovasi baru sehingga
ml, pengadukan 100 rpm sampai 60 menit. oleh karena
dapat menghasilkan adsorben yang memiliki kapasitas
itu, 4 faktor variabel independen ini dipilih sebagai
adsorpsi yang lebih baik.
variabel yang ditentukan dalam 29 percobaan dari
eksperimen desain Box-Behnken dalam software
II. METODE
Design-Expert® 11. Masing-masing dari empat faktor
ditetapkan sebagai X1, X2, X3 dan X4, dan itu
II.1. Preparasi Karbon Aktif
Adsorben yang digunakan dalam penelitian ini adalah ditentukan menjadi tiga tingkatan menjadi +1, 0, −1.
Stem Midrib Areca Palm (STPMA). Stem Midrib Areca Kemudian Yk telah berjalan di Tabel.2.
Palm yang telah dikeringkan dipotong hingga ukuran
kasar. Selanjutnya, pelepah tersebut dihaluskan menjadi TABEL I
VARIABEL YANG DIOPTIMASI
ukuran yang lebih kecil. Setelah melalui proses
smoothing kemudian dilanjutkan dengan proses Variabel Independen -1 0 +1
pengayakan yang bertujuan untuk mendapatkan ukuran
adsorben yang diinginkan (100-200 mesh). Adsorben Konsentrasi Cu(II)
dengan ukuran 100-200 mesh dikarbonisasi dalam (mg/L)( X1)
100 550 1000
furnace dengan suhu 500°C selama 1 jam.
Hasil karbonisasi Stem Midrib Areca Palm (STPMA) Konsentrasi Aktivasi
0,3 0,5 0,7
kemudian diaktifkan menggunakan proses aktivasi KOH (M)( X2)
kimia menggunakan larutan KOH 0,3, 0,5, 0,7 M sesuai
variabel, kemudian ditambahkan dengan 40 gram Temperatur (0C)( X3) 30 45 60
pelepah pinang dan 250 ml aquades ke dalam gelas
beaker. Larutan kemudian diaduk selama 3 jam dan
pH (X4) 4 5 6
dicuci dengan aquades sampai pH larutan netral. Karbon
Aktif Stem Midrib Areca Palm (ACSMAP) kemudian
dipisahkan dengan penyaringan dan dikeringkan dalam
oven pada suhu 101 ° C.

II.2. Preparasi Larutan Cu(II) TABEL II


Larutan sampel uji akan dibuat dari padatan SIMBOL, LEVEL DAN KODE VARIABEL INDEPENDEN YANG
DIGUNAKAN DALAM BOX-BEHNKEN DESIGN
CuSO4.5H2O. Untuk menyiapkan larutan standar Cu (II)
1000 ppm, ditimbang padatan CuSO4.5H2O 3.850 gram
Variabel Independen Variabel Respon persamaan Pseudo orde pertama dan persamaan Pseudo
No orde kedua [8].
X1 X2 X3 X4 Y
mg/L M 0
C pH mg/g
1 550 0.7 45 4 13.61
persamaan Pseudo orde pertama:
2 550 0.5 60 4 13.875
3 100 0.5 45 4 4.255 (2)
4 550 0.3 45 4 16.64
5 550 0.5 30 4 18.625
6 1000 0.5 45 4 24.82 persamaan Pseudo orde kedua:
7 100 0.5 60 5 9.90915
8 100 0.7 45 5 9.975
9 550 0.7 60 5 29.67 (3)
10 550 0.3 60 5 27.555
11 1000 0.5 60 5 65.505
12 550 0.5 45 5 18.73
13 1000 0.5 30 5 63.495 TABEL III
14 550 0.7 30 5 27.74 MODEL KINETIKA PSEUDO ORDE PERTAMA DAN ORDE KEDUA
15 100 0.3 45 5 9.36335
16 1000 0.7 45 5 44.77 Pseudo orde pertama Pseudo orde kedua
17 550 0.5 45 5 25.91 qe KL R2
qe k2 R2
18 550 0.3 30 5 33.17
19 550 0.5 45 5 34.345 37,07 -0,053 0,887 58,82 0,0003 0,855
20 1000 0.3 45 5 66.965
21 550 0.5 45 5 23.95
22 100 0.5 30 5 9.2602 Persamaan kinetika adsorpsi yang cocok untuk adsorpsi
23 550 0.5 45 5 20.35
24 550 0.7 45 6 54.9744 logam Cu (II) dengan adsorben pelepah pinang
25 550 0.5 60 6 54.9564 mengikuti persamaan orde pertama, dapat dilihat dari
26 550 0.5 30 6 54.8068 nilai R2 mendekati 1. Pada konsentrasi aktivasi 0,7 M
27 1000 0.5 45 6 97.23
28 100 0.5 45 6 9.92455 dengan suhu 30 ° C adalah yang paling tepat diantara
19 550 0.3 45 6 54.8862 konsentrasi lainnya yaitu nilai korelasi R2 sama dengan
0,887. Hasil yang diperoleh ketika orde pertama
di mana Yk adalah variabel respon yang diprediksi memiliki koefisien korelasi yang lebih tinggi
dan X1, X2, X3, dan X4 adalah variabel independen menunjukkan bahwa laju adsorpsi Cu menggunakan
yang mempengaruhi variabel respon. Konstanta βo, βi, karbon aktif nanopartikel adalah jenis adsorpsi fisik.
dan βij adalah koefisien linear, kuadrat, dan antar-suku, [14].
yang nilainya dapat diperkirakan dengan metode
kuadrat terkecil dan telah dijelaskan dalam banyak III.2. Isoterms Adsorpsi
literatur statistik [13]. Untuk tujuan optimasi, setiap
Model isoterm adsorpsi untuk menentukan interaksi
variabel independen diperbolehkan untuk bergerak bebas
antara larutan dengan adsorben dan kemampuan
sampai berhenti pada keadaan di mana nilai respons
optimum yang dapat dicapai oleh adsorben. Isoterm
maksimum diperoleh. Dalam kondisi ini fungsi
adsorpsi yang umum digunakan adalah isoterm
keinginan mendekati atau sama dengan 1.
Langmuir dan Freundlich. Uji model ekuilibrium ini
dimaksudkan untuk menentukan kesetimbangan yang
III. Results and Discussion tepat yang digunakan dalam proses adsorpsi. Persamaan
III.1. Kinetika Adsorpsi Isoterm Langmuir and Freundlich isotherms seperti
berikut:
Kinetika adsorpsi menyatakan tingkat
Adsorpsi yang terjadi di adsorbat ke adsorbat Persamaan Langmuir:
per satuan waktu. Dalam penelitian ini
dipelajari konsentrasi Cu (II) 1000 (mg / L),
(4)
konsentrasi aktivator ACSMAP 0,7M, pH 5
dan suhu 30 °C. Asumsi kapasitas adsorpsi untuk
logam Cu (II) pada adsorben sebanding dengan jumlah
situs aktif yang terisi seperti yang diterapkan oleh dimana, Ce is konsentrasi kesetimbangan (mg/l), qe
persamaan kecepatan sorben Lagergren. Nilai konstanta jumlah Cu (II) teradsorpsi pada kesetimbangan (mg/g),
untuk adsorpsi Cu ditentukan dengan menggunakan Qo (mg/g) and K1 (L/mg) adalah konstanta Langmuir.
persamaan Pseudo orde pertama dan persamaan Pseudo Konstanta Langmuir menjelaskan tentang kapasitas
orde kedua seperti yang ditunjukkan di bawah ini. Untuk adsorpsi monolayer jenuh dan konstanta kesetimbangan
mengetahui laju dan mekanisme adsorpsi, menggunakan adsorpsi [15]
TABEL VI
Persamaan Freundlich: MODEL REGRESI ANOVA UNTUK OPTIMASI ADSORPSI Cu (II)
Log qe = log Kf + (1/n) log Ce (5) P SM Df MS F P Note

Model 14373.44 14 1026.67 43.20 < 0.0001 S


dimana, Kf adalah konstanta Freundlich yang X1 8013.38 1 8013.38 337.16 < 0.0001 S
menjelaskan tentang permukaan heterogen dari X2 64.59 1 64.59 2.72 0.1215 NS
adsorben dan model linier X3 2.64 1 2.64 0.1110 0.7440 NS
TABEL IV X4 4600.25 1 4600.25 193.55 < 0.0001 S
MODEL LANGMUIR DAN FREUNDLICH DALAM EKSPERIMEN Cu S
X1 X2 130.04 1 130.04 5.47 0.0347
(II) 1000 MG/L :45 0C; ACSMAP 0,7M; pH 5
X1 X3 0.4631 1 0.4631 0.0195 0.8910 NS
Model Langmuir Model Freundlich
X1 X4 1113.57 1 1113.57 46.85 < 0.0001 S
Qm KL R2 1/n Kf R2 X2 X3 14.23 1 14.23 0.5988 0.4519 NS
44,843 0,0174 0,88 0,1540 12,502 0,94 X2 X4 2.43 1 2.43 0.1023 0.7538 NS
X3 X4 6.00 1 6.00 0.2525 0.6231 NS
X12 203.88 1 203.88 8.58 0.0110 S
Tabel 4 menunjukkan bahwa adsorpsi Cu (II) oleh X22 35.43 1 35.43 1.49 0.2423 NS
karbon aktif yang diaktifkan KOH lebih mungkin untuk X32 145.93 1 145.93 6.14 0.0266 S
mengikuti model isotherm Freundlich, ini dapat dilihat X42 233.33 1 233.33 9.82 0.0073 S
dari nilai koefisien determinan (R2) 0,94 lebih tinggi Sisa 332.74 14 23.77
Lack of
dari koefisien determinan dalam model persamaan Fit 183.14 10 18.31 0.4897 0.8360
NS
isoterm Langmuir 0,88 . hal I]ini menunjukkan bahwa Kesalahan
murni 149.61 4 37.40
pori-pori yang terbentuk pada kedua karbon aktif
Cor Total 14706.19 28
bersifat heterogen sehingga ion Cu (II) teradsorpsi R2= 0.9774; adj. R2 = 0.9547; pred.R2= 0.9124; CV = 15,05%; Adeq Precision=
270.918
membentuk lapisan multilayer pada permukaan
adsorben. [15]. Dalam percobaan ini dijelaskan dengan ANOVA tentang
variabel yang berpengaruh secara signifikan adalah
III.3. Analisis RSM dari Adsorpsi Data Eksperimen konsentrasi Cu (II) (X1., Mg / l) dan variasi pH (X4).
TABEL V Model yang menggambarkan hubungan antara
KESESUAIAN RINGKASAN EXPERIMEN
Sekuensial Lack of Disesuaika Prediksi kapasitas adsorpsi Cu (II) dan variabel yang
Sumber Nilai P fit n R2 R2 mempengaruhi kapasitas adsorpsi Cu (II) ditunjukkan
Linear 5.28E-10 0.192861 0.839328 0.799269 dalam persamaan polinomial kuadrat dalam persamaan
2FI 0.003516 0.488487 0.91976 0.897287 dua cukup memuaskan. Hal ini ditunjukkan oleh
Kuadrat 0.015401 0.835956 0.954748 0.912375 koefisien determinasi yang cukup tinggi, yaitu R2 =
Kubik 0.89988 0.454821 0.929606 0.276855
0,9774 seperti yang ditunjukkan pada Tabel 6. Sebuah
model dapat diterima untuk mewakili kondisi nyata jika
Percobaan Box-Behnken design dalam Design- nilai R2 lebih besar dari 0.8n [16]. Besar nilai R2 tidak
Expert software menjelaskan ringkasan yang sesuai dari selalu mencerminkan kesempurnaan model regresi.
percobaan menggunakan persamaan polinomial kuadrat Penambahan salah satu variabel lain ke dalam model
dengan R2 (Disesuaikan atau diprediksi) lebih besar dari akan selalu meningkatkan nilai R2 tanpa
0,8 dan mendekati 1. memperhatikan apakah variabel tersebut secara statistik
Data eksperimen dianalisis secara statistik berpengaruh atau tidak terhadap variabel respon. Oleh
menggunakan analisis varians (ANOVA) dan hasilnya karena itu nilai adj. R2 lebih mungkin digunakan untuk
ditunjukkan pada Tabel 5. Tingkat pengaruh masing- mengevaluasi kesesuaian model dan [17] disarankan
masing komponen yang ditinjau sangat dipengaruhi oleh nilai ini harus lebih besar dari 0,9. Seperti dapat dilihat
nilai F (nilai) dan P (probabilitas). Semakin besar nilai F pada Tabel 6, nilai adj. R2 secara signifikan lebih besar
dan semakin kecil nilai P maka komponen semakin dari 0,9. Selain nilai adj. R2, juga menggunakan pred.
memberi efek. Dari tabel ANOVA, dapat dicatat bahwa R2 untuk mengukur jumlah variasi respons yang dapat
model polinomial kuadrat memberikan pengaruh yang dijelaskan oleh variabel independen yang diinginkan
signifikan, yang ditandai dengan nilai F yang relatif mendekati 1. Di sini nilai prediktif. Pred. R2 cukup
besar 43,20. Nilai (Prob> F) untuk model lebih kecil meyakinkan yaitu sebesar 0,9124. Jika diberikan
dari 0,0001 sehingga memastikan bahwa model tersebut penalaran presisi (presisi adeq) yang memberikan nilai
signifikan. Nilai P yang lebih besar menunjukkan bahwa rasio sinyal terhadap gangguan, maka nilai lebih besar
komponen atau faktor yang sedang ditinjau tidak dari 4 diperlukan untuk menggambarkan kesesuaian
memiliki pengaruh yang signifikan. model. Dalam hal ini nilai kecukupan presisi sangat
meyakinkan yaitu sebesar 270.918. Koefisien variasi Variabel Independen Variabel Respon
(CV) memberikan gambaran tentang tingkat presisi titik No Y prediction
X1 X2 X3 X4 Yexperiment
data pada satu set data di sekitar nilai rata-rata. Secara
mg/L M 0
C pH mg/g
umum, semakin besar nilai CV berarti ada variasi data 5 550 0.5 30 4 18.625 17.51
yang tinggi di sekitar nilai rata-rata sehingga keandalan 6 1000 0.5 45 4 24.82 25.84
eksperimental rendah. Oleh karena itu, nilai CV yang 7 100 0.5 60 5 9.90915 8.36
8 100 0.7 45 5 9.975 10.14
rendah adalah sesuatu yang diharapkan untuk 9 550 0.7 60 5 29.67 30.83
meyakinkan kemampuan model untuk menghasilkan 10 550 0.3 60 5 27.555 31.70
11 1000 0.5 60 5 65.505 60.72
hasil prediksi dengan data eksperimen. Di sini, nilai CV 12 550 0.5 45 5 18.73 24.66
cukup rendah yaitu 15,05%. Kekurangan F-nilai 0,49 13 1000 0.5 30 5 63.495 60.98
mengisyaratkan kurangnya kesesuaian yang tidak 14 550 0.7 30 5 27.74 28.00
15 100 0.3 45 5 9.36335 3.38
signifikan dibandingkan dengan kesalahan murni. Ada 16 1000 0.7 45 5 44.77 50.42
83,60% kemungkinan bahwa kekurangan F-nilai sebesar 17 550 0.5 45 5 25.91 24.66
18 550 0.3 30 5 33.17 36.41
ini bisa terjadi karena gangguan. Ketidaksesuaian yang 19 550 0.5 45 5 34.345 24.66
tidak signifikan adalah baik dan dapat sesuai dengan 20 1000 0.3 45 5 66.965 66.46
model 21 550 0.5 45 5 23.95 24.66
22 100 0.5 30 5 9.2602 9.97
Model polinomial orde kedua berbasis Box-Behnken 23 550 0.5 45 5 20.35 24.66
untuk adsorpsi Cu (II) menggunakan ACSMAP 24 550 0.7 45 6 54.9744 51.03
diregresikan dengan hanya mempertimbangkan istilah 25 550 0.5 60 6 54.9564 55.73
signifikan yang terkait dengan ANOVA yang tercantum 26 550 0.5 30 6 54.8068 54.22
27 1000 0.5 45 6 97.23 98.37
dalam Tabel 6, dan dapat dinyatakan dengan persamaan 28 100 0.5 45 6 9.92455 13.31
berikut: 19 550 0.3 45 6 54.8862 54.11

Yk=246.05164438657+(-0.12901125462963*X1)+
(-82.968267361111* X2)+( -2.678954537037* X3)+ Perbandingan nilai-nilai percobaan kapasitas
(-66.414121527778* X4)+( -0.063351805555556* X1* adsorpsi dan nilai respon berbasis model kapasitas
X2)+(0.000050409259259259*X1*X3)+(0.037078027777778* X1* adsorpsi pada Tabel 7 diplot pada Gambar 1 untuk
X4)+( 0.62875* X2* X3)+( 3.8978125* X2* X4)+ memperoleh koefisien determinasi dengan metode
(0.081660833333333* X3* X4)+(0.000027685555555556* X12)+
(58.428906249999* X22)+( 0.021081027777778* X32)+ Least-Square dalam Excel. Seperti yang ditunjukkan
(5.9977000000001* X4 (6) oleh koefisien korelasi (R2 = 0,9774). hasil model
berbasis kesepakatan yang sangat baik dengan hasil
di mana Yk adalah respon prediksi kapasitas adsorpsi eksperimen.
dalam Box-Behnken design (mg/g), X1 hingga X4
adalah variabel independen, tanda positif menunjukkan
dampak sinergis, dan negatif merujuk pada oposisi.

III.4. Validasi Model


Validasi yang digunakan adalah model polinomial orde
kedua berdasarkan desain Box-Behnken yang disajikan
dan hasil eksperimen. Hasil eksperimen lainnya dari
data percobaan ke 25 dipilih dengan nilai yang berbeda
dari enam variabel independen, dan data disajikan pada
Tabel 7.

Fig. 1. Perbandingan nilai kapasitas adsorpsi pada prediksi (Yexperiment)


dan perkiraan nilai respons kapasitas adsorpsi berdasarkan model desain
Box-Behnken (Ypred)

TABEL VII
HASIL EKSPERIMENTAL DARI 29 PERCOBAAN UNTUK Kemudian kapasitas adsorpsi berdasarkan model
VALIDASI MODEL DAN KAPASITAS BERBASIS MODEL
ADSORPSI (YPRED) desain Box-Behnken yang digunakan untuk validasi
Variabel Independen Variabel Respon menggunakan variabel independen secara acak. Enam
(6) sampel acak yang digunakan untuk diuji ulang.
No X1 X2 X3 X4 Yexperiment Y prediction
TABEL VIII
mg/L M 0
C pH mg/g VARIABEL INDEPENDEN ACAK HASIL EKSPERIMENTAL DARI 6
1 550 0.7 45 4 13.61 10.31 PERCOBAAN UNTUK VALIDASI MODEL DAN KAPASITAS BERBASIS
2 550 0.5 60 4 13.875 14.12 MODEL ADSORPSI (YPRED)
3 100 0.5 45 4 4.255 7.53
4 550 0.3 45 4 16.64 16.51
Variabel Independen Variabel Respon Fungsi keinginan adalah salah satu cara pendekatan
No optimasi di mana untuk setiap tanggapan, fungsi
X3 X4 X3 X4 X3 X4
0 0 0
memiliki nilai 0 hingga 1 [18]. Jika nilai fungsi sama
C pH C pH C pH
1 100 0,3 45 4 7.495 7.260 dengan 0 maka keinginan respons sama sekali tidak
2 200 0,3 30 4.5 12.765 14.736 tercapai, sebaliknya ketika nilai fungsi sama dengan 1,
3 300 0,3 30 5.5 25.065 26.460
4 500 0,3 45 5 26.575 25.879
keinginan respons tercapai. Dari Tabel 8 dan Tabel 9 di
5 900 0,3 30 5 60.805 64.073 atas, dapat dicatat bahwa semua alternatif memberikan
6 1000 0,3 45 5 63.755 66.464 nilai fungsi yang diinginkan dan hasil efisiensi
R2=0,997
pengumpulan yang berbeda. Alternatif 1 memberikan
Dari hasil uji eksperimental dan prediksi tes untuk hasil kapasitas adsorpsi tertinggi dibandingkan dengan
variabel independen secara acak diperoleh hasil persen alternatif lain dan Fungsi keinginan adalah 1, sehingga
error rata-rata adalah 6%, dapat dicatat bahwa keputusan yang bijak untuk mengambil alternatif ini
kesalahan yang muncul untuk setiap perbandingan rata- sebagai kondisi optimum dengan nilai kapasitas adsorpsi
rata kurang dari 6%. Ini membuktikan bahwa prediksi sebesar 98.376 mg / g dengan variabel independen X1 =
tersebut cukup kompatibel dengan data eksperimen. 1000 mg / l; X2 = 0,5; X3 = 450 °C dan X4 = 6.
Kapasitas adsorpsi Cu (II) dengan kapasitas adsorpsi
III.5. Optimasi Kapasitas Adsorpsi ACSMAP lebih tinggi daripada karbon aktif yang dibuat
Tujuan dari optimasi adalah untuk memaksimalkan dari serbuk gergaji kayu karet (5,72 mg / g) [19], kulit
kapasitas adsorpsi ACSMAP. Variabel respons simultan buah pinang (55,25 mg / g) [8]. Australian pine cone
dapat diselesaikan secara bersamaan dengan (26,71 mg / g) [20] dan Pithecellobium jiringa shell
Desirability Function (DF) menggunakan model (96,15 mg / g) [21]. Namun, kapasitas adsorpsi Cu (II)
berbasis desain Box-Behnken (BB). Software Design- oleh kapasitas adsorpsi ACSMAP lebih rendah daripada
Expert® 11 telah menghitung kondisi variabel karbon aktif yang dibuat dari Myristica Fragrans shell
independen yang dioptimalkan.
Dalam optimasi ini, variabel independen tidak (107,65 mg / g) [22].
signifikan (X2 dan X3) diatur dalam target
menggunakan nilai batas tengah. Untuk variabel IV. KESIMPULAN
Metode Box Behnken menggunakan aplikasi
independen X1 menggunakan nilai batas atas
maksimum dan X4 menggunakan dalam nilai Design Expert 11 menghasilkan 29
jangkauan. Untuk variabel Respons harus percobaan adsorpsi Cu (II) dengan
memaksimalkan nilai. Software Design-Expert® 11 menggunakan ACSMAP. Dari hasil
memiliki hasil dari optimasi variabel independen 63 eksperimen juga ditemukan bahwa
solusi. Namun dalam artikel ini menunjukkan 10 solusi percobaan adsorpsi ini termasuk kinetika
saja. orde I dan memiliki isoterm Freundlich. Hasil
dari percobaan didasarkan pada ANOVA
TABEL IX
HASIL OPTIMASI VARIABEL INDEPENDEN empat variabel independen yang diuji pada
No X1 X2 X3 X4 Kapasitas DF dua variabel independen, yaitu konsentrasi
1 1000.000 0.500 45.000 6.000 98.367 1 Cu (II) (X1) dengan pH (X4) untuk variabel
2 1000.000 0.500 45.000 5.993 98.012 1 respon adalah kapasitas adsorpsi. ANOVA
3 999.999 0.500 45.000 5.985 97.653 1
4 999.999 0.500 45.000 5.976 97.231 1 juga menjelaskan bahwa persamaan
5 996.815 0.500 45.000 5.987 97.364 0.999 polinomial kuadrat dapat menjelaskan
6 996.527 0.500 45.000 6.000 97.952 0.999
7 999.999 0.500 45.000 5.964 96.661 0.998 kecenderungan hasil dari kapasitas adsorpsi.
8 999.990 0.498 45.000 5.975 97.233 0.998 Validasi dilakukan dengan menggunakan
9 999.999 0.500 45.120 5.978 97.297 0.998
10 999.997 0.500 45.150 6.000 98.377 0.997 variabel independen yang mirip dengan
yang dirancang oleh aplikasi Design Expert
TABEL X
menghasilkan nilai aplikasi R2 = 0,97 dan
HASIL EKSPERIMEN DAN PREDIKSI VARIABEL OPTIMASI menggunakan nilai variabel indepen secara
No X1 X2 X3 X4 kapasitas acak mendapat nilai R2 = 0,997. Ini
1000.00 0.50 45.00 6.00 menjelaskan bahwa persamaan dapat
1 Prediksi 98.367
0 0 0 0
1000.00 0.50 45.00 6.00 mewakili kondisi eksperimental. Optimasi
2 Experimen 97.230
0 0 0 0 kemudian dilakukan dengan memaksimalkan
konsentrasi Cu (II) (X1), pengaturan
Untuk menentukan alternatif terbaik, kriteria untuk
konsentrasi aktivasi (X2) dan Suhu (X3,)
variabel respon DF mendekati atau sama dengan 1.
pada nilai tengah, dan pengaturan pH (X4) Review on Modelling and Simulations, Vol. 10(4): pp. 296–302,
2017.
dalam jangkauan dan memaksimalkan [19] M. Kobya, E. Demirbas, E. Senturk, and M. Ince, Adsorption of
variabel respon yaitu kapasitas adsorpsi Yk). Heavy Metal Ions from Aqueous Solutions by Activated Carbon
Prepared from Apricot Stone, Bioresource Technology, Vol. 96(13):
Hasil yang diperoleh adalah kondisi optimum pp. 1518–1521, 2005.
[20] A. Muslim, Australian Pine Cones-Based Activated Carbon for
dengan nilai kapasitas adsorpsi sebesar Adsorption of Copper in Aqueous Solution, Journal of Engineering
98.376 mg / g dengan variabel bebas X1 = Science and Technology, Vol. 12(2): pp. 280–295, 2017.
[21] A. Muslim, Ellysa, and S. D. Said, Cu(II) Ion Adsorption Using
1000 mg/l; X2 = 0,5 ; X3 = 45 0C and X4 = 6. Activated Carbon Prepared from Pithecellobium Jiringa (Jengkol)
Shells with Ultrasonic Assistance: Isotherm, Kinetic and
Thermodynamic Studies, Journal of Engineering and
Referemsi Technological Sciences, Vol. 48(4): pp. 472–490, 2017.
[22] D. S. Syahiddin, A. Muslim, Adsorption of Cu(II) Ions onto
[1] Mubarak N.M., Sahu J.N., Abdullah E.C., Jayakumar N.S., Myristica Fragrans Shell-based Activated Carbon: Isotherm, Kinetic
Ganesan P. Microwave Assisted Multi Wall Carbon Nanotubes and Thermodynamic Studies, Journal of the Korean Chemical
Enhancing Cd(II) Adsorption Capacity In Aqueous Media. Journal Society, Vol. 62(2): pp. 79–86, 2018.
of Industrial and Engineering Chemistry. 2014.
[2] Tumin. N.D. Chuah. A.L. Zawani, Z. and Rashid. S.A. Adsorption
Of Copper From Aqueous Solution By Elais Guineensis Kernel Informasi Penulis
Activated Carbon. Journal of Engineering Science and
Technology, 3(2), 180-189. 2008. Staff Teknik
[3] Wang Y. Wang X. Wang Xin, Liu M. Yang L. Wu Z. Xia S. Zhao PT. Jasa Lingkungan Indonesia
J. Adsorption Of Pb(II) In Aqueous Solutions By Bamboo Charcoal INDONESIA.
With KMnO4Via Microwave Irradiation Modified. Colloids and Bayu Pramana Putra adalah staff Teknik di PT.
Surfaces A. Physicochem. Eng. Aspects, 414, 1– 8. 2012. Jasa Lingkunga Indonesia(JLI). Banda Aceh
[4] J Liu Z.G. Zhang F.S. Sasai R. Arsenate Removal From Water Provinsi Aceh, Indonesia. Penulis melanjutkan
Using-Loaded Activated Carbon Prepared From Waste Biomass.
studi pada Magister Teknik Kimia, Fakultas
Chem. Eng.J. 160, 57–62. 2010.
[5] Al Bahri M. Calvo, L. Gilarranz M.A. Rodriguez. J.J. Activated Teknik, Universitas Syiah Kuala. Untuk rekan
Carbon From Grape Seeds Upon Chemical Activation With penulis yang sesuai dapat dikirim via email ke
Phosphoric Acid: Application to The Adsorption of Diuron From bayupraman4putra@gmail.com.
Water. Chem. Eng. J. 203 (1), 348-356. 2012.
[6] Legras B. Polaert I. Thomas M. Estel L. About Using Microwave Asosiasi Profesor.
Irradiation In Competitive Adsorption Processes. Applied Thermal Jurusan Teknik Kimia, Fakultas Teknik,
Engineering, 57, 164-171. 2013 Universitas Syiah Kuala.
[7] Cechinel M. A. Prado. Guelli S. M. A. Ulson de Souza. Augusto A. Darussalam - Banda Aceh 23114. INDONESIA.
Ulson de Souza. Study of Lead (II) Adsorption Onto Activated
Carbon Originating From Cow Bone. Journal of Cleaner Abrar Muslim adalah seorang staf pengajar
Production 65, 342-349. 2014. Jurusan Teknik Kimia, Fakultas Teknik,
[8] Muslim A. Aprilia S. Suha T.A. Fitri Z. Adsorption of Pb (II) Ions Universitas Syiah Kuala. Indonesia. Penulis
from Aqueous Solution Using Activated Carbon Prepared from
menerima gelar M.Eng. (Chem. Eng.) pada tahun
Areca Catechu Shell: Kinetic, Isotherm and Thermodynamic
Studies. Journal of the Korean Chemical Society, 61, 3. 2017. 2007 dan PhD (Chem. Eng.) pada tahun 2010
[9] Wei Peng. Yu-Jie Liu. Na Wu. Tao Sun., Xiao-YanHe. Yong- dari Universitas Teknologi Curtin. Australia
XiangGao. Chun-Jie Wu. Areca catechu L. (Arecaceae): A Review Barat. Penulis adalah Insinyur Profesional yang
Of Its Traditional Uses, Botany, Phytochemistry, diberikan oleh Engineers Australia pada tahun
Pharmacology And Toxicology. Journal of Ethnopharmacology. 2009. AMIChemE. UK sejak 2008 dan anggota International Association
164,340–356. 2015. Engineers (IAENG) sejak 2011. Penulis telah memusatkan penelitiannya
[10] C Muthanna J. Ahmed. Samar K.. Theydan. Optimization of
di bidang kimia dan proses mineral, simulasi pemodelan, optimalisasi dan
Microwave Preparation Conditions For Activated Carbon From
Albizia Lebbeck Seed Pods For Methylene Blue Dye Adsorption. kontrol proses. Untuk rekan penulis yang sesuai dapat dikirim via email
Journal of Analytical and Applied Pyrolysis 105 199–208. 2014. ke abrar.muslim@che.unsyiah.ac.id.
[11] Design- Expert. Stat Ease. Version 11.0.3 Minneapolis, MN. 2018.
[12] Miao Li. Chuanping Feng. Zhenya Zhang. Rongzhi Chen. Chengjie Professor and Dosen Senior.
Gao. Norio Sugiura. Qiang Xue. Optimization of Process Jurusan Teknik Kimia, Fakultas Teknik,
Parameters For Electrochemical Nitrate Removal Using Box– Universitas Syiah Kuala.
Behnken Design. Electrochimica Acta. 56. 265–270. 2010. Darussalam - Banda Aceh 23114. INDONESIA.
[13] Lazic. Z.R.Design of Experiment in Chemical Engineering: A
Practical Guide. New York: Wiley-VCH. 2004. Marwan adalah seorang Guru Besar dan staf
[14] Z. Ma. D. Chen. J. Gu. B. Bao, and Q. Zhang. Determination of pengajar di Jurusan Teknik Kimia, Fakultas
Pyrolysis Characteristics and Kinetics Of Palm Kernel Shell Using Teknik, Universitas Syiah Kuala, Indonesia.
TGA-FTIR and Model-Free Integral Methods. Energy Convers. Penulis memperoleh gelar PhD dari School of
Manag. Vol. 89. pp. 251–259. 2015. Chemical Engineering. University of Birmingham
[15] B. Kiran and K. Thanasekaran. Copper Biosorption on Lyngbya (UK) pada tahun 1998. Penelitiannya saat ini
Putealis: Application Of Response Surface Methodology (RSM).
berfokus pada pengembangan katalis dan sistem
Int. Biodeterior. Biodegrad. Vol. 65. no. 6. pp. 840–845. 2011.
[16] A. M. Joglekar, and A. T. May. Product excellence through design of reaksi untuk konversi langsung biomassa
experiments. Cereal Foods World, 32: pp. 857–868, 1987. berminyak (buah sawit dan ganggang) ke biodiesel, reaktor multi-fase
[17] A. Koocheki, S. A. Mortazavi. F. Shahidi, S. M. A. Razav. R. monolitik dan pemanfaatan biomassa.
Kadkhodaee. and J. M. Milani. Optimization of Mucilage
Extraction From Qodume Shirazi Seed (Alyssum homolocarpum)
Using Response Surface Methodology. J. Food Process Eng. vol.
33. no. 5. pp. 861–882. 2010.
[18] A. Muslim, S. Ardy, and Syaubari, Response Surface Methodology-
Based Model and Optimization of CO2 Absorption Using
Methyldiethanolamine Activated by Piperazine, International